在改进停车策略方面，TDR-OBCA相较于H-OBCA进行了显著优化，其核心在于引入了双变量暖启动以及将一些MPC的硬约束融入成本函数中，以显著提升求解速度与稳定性。

TDR-OBCA在使用Hybrid a star算法生成碰撞自由路径后，采用Piece-wise Jerk方式规划速度，将路径与速度优化结果整合为MPC的暖启动参数。此方法具体细节可参考相关研究文档。

在MPC中，双变量起到约束车辆与障碍物之间最小距离的作用。通过设定双变量初始解，优化目标转变为最大化两者距离，即最小化距离的负值。公式4中第三个约束为二次形式，转化为软约束融入成本函数，转化为QP问题求解。

公式5定义了QP问题，通过解该问题得到双变量λ,μ的初始值。在MPC问题重构中，重点在于两点改进：引入松弛变量以处理碰撞情况，避免无解；将终点状态约束转化为成本函数的软约束。

优化后的MPC通过惩罚项确保轨迹平滑、控制量连续性，同时通过软约束管理车辆与障碍物的相对距离，整体提升停车策略的效率与安全性。

本文地址： http://www.goggeous.com/20241214/1/612106

文章来源：天狐定制

版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。